matlab当中单层的BP神经网络不使用工具箱

clc                          
clear all; 
close all;

%定义相关参数
Epochs=300;           %最多训练次数                                    
u1=0.001;                 %学习速率


%生成训练样本
for i=1:10
    u（i）=logsig（i）;
end
yd（1）=0.5;
for i=2:10
    yd（i）=yd（i-1）/（1+yd（i-1）^2）+u（i）^3;
    yd（i）=logsig（yd（i））;
end
    
ErrorMatrix=[];          %误差矩阵
OutlayerOut=[];          %测试输出矩阵

%生成各层权值和阈值
w1=0.5*rands（23）;       %隐藏层权重    
b11=0.5*rands（21）;   
b12=0.5*rands（21）;
b13=0.5*rands（21）;       %隐藏层阈值
w2=0.5*rands（13）;      %输出层权重
b2=0.5*rands（13）;          %输出层阈值

yo（1）=0.5;
for i=1:Epochs
    ErrorHistory=[];
    for j=2:10
        f11=yo（j-1）*w1（1）+u（j）*w1（2）+b11（1）;
        f12=yo（j-1）*w1（1）+u（j）*w1（2）+b11（2）;
        f1=logsig（f11+f12）;                           %隐层第1个节点输出
        f21=yo（j-1）*w1（3）+u（j）*w1（4）+b12（1）;
        f22=yo（j-1）*w1（3）+u（j）*w1（4）+b12（2）;
        f2=logsig（f21+f22）;                           %隐层第2个节点输出
        f31=yo（j-1）*w1（5）+u（j）*w1（6）+b13（1）;
        f32=yo（j-1）*w1（5）+u（j）*w1（6）+b13（2）;
        f3=logsig（f31+f32）;                           %隐层第3个节点输出
        
        g1=f1*w2（1）+b2（1）;